CHAPITRE 6 CONCLUSION
6.3 Perspectives de recherche et travaux futurs
La présence de nuages dans les données MODIS représente le problème majeur relié à l’utilisation de ces données dans les applications hydrologiques. Bien qu’un filtrage ait été effectué, il reste que l’incertitude propagée est difficilement mesurable. Parajka et Blöschl [2008b] mentionnent que même si les données MODIS peuvent être considérées comme ayant une bonne exactitude, il est clair qu’une amélioration de l’exactitude et de la résolution temporelle et spatiale entraînerait également une amélioration dans la modélisation hydrologique utilisant ces données. En prévision hydrologique, l’utilisation de techniques d’assimilation prenant en compte l’incertitude associée aux données MODIS, p. ex.
Filtre de Kalman [Bouttier et Courtier, 1999 ; Andreadis et Lettenmaier, 2006] est recommandé. De cette manière, le gestionnaire pourra prendre en compte l’incertitude reliée à la prévision dans son processus de décision, et ainsi pouvoir évaluer un plus grand éventail de scénarios probables. Enfin, il faut souligner que les résultats obtenus concernent un bassin versant montagneux, où les stocks de neige sont importants et la durée de la fonte printanière s’étend sur une longue période de temps (quelques mois). La généralisation des conclusions tirées de cette étude devra passer par une application à d’autres bassins versants caractérisés par des régimes climatiques et hydrologiques différents. Un exemple serait celui de bassins caractérisés par de plus faibles accumulations de neige et des durées plus courtes (quelques semaines) de la fonte printanière.
ANNEXE A – DONNÉES
Tableau A. 1- Stations d’ÉEN (coussins à neige) situé sur le territoire de la Colombie-Britannique, Canada
Stations Nom Latitude Longitude Élévation
(m)
Période de donnée
1A01P Yellowhead 52.90 118.55 1860 1996-
1A02P McBride (Upper) 53.30 120.33 1620 1971-86, 2006-
1A03P Barkerville 53.05 121.48 1520 1968-90, 1996-
1A14P Hedrick Lake 54.10 121.00 1100 1999-
1A17P Revolution Creek 53.78 120.37 1690 1984-
1A19P Dome Mountain 53.62 121.02 1820 2005-
1B01P Mount Wells 53.73 126.42 1490 1991-
1B02P Tahtsa Lake 53.57 127.63 1300 1991-
1B08P Mt. Pondosy 53.17 126.87 1400 1991-
1C12P Green Mountain 50.80 122.92 1780 1993-
1C18P Mission Ridge 50.77 122.20 1850 1969-
1C20P Boss Mountain Mine 52.12 120.87 1460 1993-
1C41P Yanks Peak East 52.83 120.35 1670 1996-
1D06P Tenquille Lake 50.53 122.93 1680 2000-
1E10P Kostal Lake 52.20 120.03 1770 1984-
1E14P Cook Creek 52.17 119.30 1280 1999-2009
1F03P Park Mountain 50.45 118.62 1890 1984-
1F06P Celista Mountain 51.38 118.88 1551 2004-
2A06P Mount Revelstoke 51.03 118.15 1830 1992-
2A21P Molson Creek 52.23 118.23 1980 1980-
2B06P Barnes Creek 50.07 118.35 1620 1992-
2B08P St. Leon Creek 50.43 117.70 1800 1992-
2C14P Floe Lake 51.05 116.13 2090 1992-
2D08P East Creek 50.63 116.93 2030 1980-
3A22P Nostetuko River 51.25 124.45 1500 1988-
3A24P Mosley Creek (Upper) 51.78 124.62 1650 1988-
3A25P Squamish River (Upper) 50.15 123.43 1340 1989-
3C08P Burnt Bridge Creek 52.48 126.25 1330 1997-
4B12P Granduc Mine 56.25 129.65 790 2001-09, 2011- 4B15P Lu Lake 54.20 126.30 1310 1997- 4B16P Shedin Creek 55.85 127.70 1480 1995- 4B17P Tsai Creek 54.65 127.67 1360 1997- 4B18P Cedar-Kiteen 55.15 128.72 885 2000- 4D10P Tumeka Creek 57.23 129.72 1220 1989-2009
ANNEXE B – Simulation SWAT (Apports)
Figure B. 1– Apports simulés à l’aide du calage 2 comparés aux observations en période de validation (1970-1985)
Figure B. 3 – Apports simulés à l’aide du calage 6 comparés aux observations en période de validation (1970-1985)
ANNEXE C – Simulation SWAT (ÉEN)
Figure C. 1 – ÉEN simulés à l’aide du calage 4 comparés aux observations aux stations Tahtsa Lake (haut), Mt. Wells (milieu) et Mt. Pondosy (bas) en période de validation (1995-2006)
Figure C. 2– ÉEN simulés à l’aide du calage 5 comparés aux observations aux stations Tahtsa Lake (haut), Mt. Wells (milieu) et Mt. Pondosy (bas) en période de validation (1995-2006)
Figure C. 3 – ÉEN simulés à l’aide du calage 6 comparés aux observations aux stations Tahtsa Lake (haut), Mt. Wells (milieu) et Mt. Pondosy (bas) en période de validation (1995-2006)
Figure C. 4 – ÉEN simulés à l’aide du calage 8 comparés aux observations aux stations Tahtsa Lake (haut), Mt. Wells (milieu) et Mt. Pondosy (bas) en période de validation (1995-2006)
Figure C. 5– ÉEN simulés à l’aide du calage 9 comparés aux observations aux stations Tahtsa Lake (haut), Mt. Wells (milieu) et Mt. Pondosy (bas) en période de validation (1995-2006)
ANNEXE D – Simulation SWAT (SCN)
Figure D. 1– SCN simulées à l’aide du calage 2 comparées aux observations MODIS en période de validation (2001-2006) et en période de calage (2007-2011)
Figure D. 2 – SCN simulées à l’aide du calage 4 comparées aux observations MODIS en période de validation (2001-2006) et en période de calage (2007-2011)
Figure D. 3 – SCN simulées à l’aide du calage 5 comparées aux observations MODIS en période de validation (2001-2006) et en période de calage (2007-2011)
Figure D. 4 – SCN simulées à l’aide du calage 6 comparées aux observations MODIS en période de validation (2001-2006) et en période de calage (2007-2011)
Figure D. 5 – SCN simulées à l’aide du calage 9 comparées aux observations MODIS en période de validation (2001-2006) et en période de calage (2007-2011)
ANNEXE E – Assimilation (corrections)
Figure E. 1- Écarts entre les apports simulés par le calage 2 (DQ1) et les apports observés au jour précédent la prévision (2003-2013).
Figure E. 2 - Écarts entre les apports simulés par le calage 4 (DQ1) et les apports observés au jour précédent la prévision (2003-2013).
Figure E. 3 - Écarts entre les apports simulés par le calage 8 (DQ1) et les apports observés au jour précédent la prévision (2003-2013).
Figure E. 4 - Écarts entre les apports simulés par le calage 9 (DQ1) et les apports observés au jour précédent la prévision (2003-2013).
Figure E. 5 – Corrections apportées aux paramètres de neige SFTMP, SMFMX et SMFMN selon la méthodologie d’assimilation décrite à la figure 4.3.4 (DN1) utilisant le calage 2 (2003-2013).
Figure E. 6 – Corrections apportées aux paramètres de neige SFTMP, SMFMX et SMFMN selon la méthodologie d’assimilation décrite à la figure 4.3.4 (DN1) utilisant le calage 4 (2003-2013).
Figure E. 7 – Corrections apportées aux paramètres de neige SFTMP, SMFMX et SMFMN selon la méthodologie d’assimilation décrite à la figure 4.3.4 (DN1) utilisant le calage 8 (2003-2013).
Figure E. 8 – Corrections apportées aux paramètres de neige SFTMP, SMFMX et SMFMN selon la méthodologie d’assimilation décrite à la figure 4.3.4 (DN1) utilisant le calage 9 (2003-2013).
ANNEXE F – Prévisions déterministes 1 jour
Figure F. 1 – Prévisions déterministes 1 jour des apports avec (DQ1) et sans (DQ0) assimilation des apports comparés pour le calage 2 avec les observations sur la période de 2003-2013.
Figure F. 2 – Prévisions déterministes 1 jour des apports avec (DQ1) et sans (DQ0) assimilation des apports comparés pour le calage 4 avec les observations sur la période de 2003-2013.
Figure F. 3 – Prévisions déterministes 1 jour des apports avec (DQ1) et sans (DQ0) assimilation des apports comparés pour le calage 8 avec les observations sur la période de 2003-2013.
Figure F. 4 – Prévisions déterministes 1 jour des apports avec (DQ1) et sans (DQ0) assimilation des apports pour le calage 9 comparées avec les observations sur la période de 2003-2013.
Figure F. 5 - Prévisions déterministes 1 jour de l’ÉEN aux trois stations (TL, MTW et MTP) avec (DN1) et sans (DQ0) assimilation des données MODIS pour le calage 2 comparées avec les observations MODIS sur la période de 2003-2013.
Figure F. 6 - Prévisions déterministes 1 jour de l’ÉEN aux trois stations (TL, MTW et MTP) avec (DN1) et sans (DQ0) assimilation des données MODIS pour le calage 4 comparées avec les observations MODIS sur la période de 2003-2013.
Figure F. 7 - Prévisions déterministes 1 jour de l’ÉEN aux trois stations (TL, MTW et MTP) avec (DN1) et sans (DQ0) assimilation des données MODIS pour le calage 8 comparées avec les observations MODIS sur la période de 2003-2013.
Figure F. 8 - Prévisions déterministes 1 jour de l’ÉEN aux trois stations (TL, MTW et MTP) avec (DN1) et sans (DQ0) assimilation des données MODIS pour le calage 9 comparées avec les observations MODIS sur la période de 2003-2013.
Figure F. 9 - Prévisions déterministes 1 jour de la SCN avec (DN1) et sans (DQ0) assimilation des données MODIS pour le calage 2 comparées avec les observations MODIS sur la période de 2003-2013.
Figure F. 10 - Prévisions déterministes 1 jour de la SCN avec (DN1) et sans (DQ0) assimilation des données MODIS pour le calage 4 comparées avec les observations MODIS sur la période de 2003-2013.
Figure F. 11 - Prévisions déterministes 1 jour de la SCN avec (DN1) et sans (DQ0) assimilation des données MODIS pour le calage 8 comparées avec les observations MODIS sur la période de 2003-2013.
Figure F. 12 - Prévisions déterministes 1 jour de la SCN avec (DN1) et sans (DQ0) assimilation des données MODIS pour le calage 9 comparées avec les observations MODIS sur la période de 2003-2013.
ANNEXE G – CRPSS sur les prévisions d’ensemble
Figure G. 1 – CRPSS obtenus sur les prévisions d’ensemble effectués avec le calage 2 (2003-2013) avec assimilation des apports (DQ1) et avec assimilation des apports et des données MODIS (DN1). Les CRPSS sont référencé par rapport aux
CRPS obtenus sans assimilation (DQ0).
Figure G. 2 – CRPSS obtenus sur les prévisions d’ensemble effectués avec le calage 4 (2003-2013) avec assimilation des apports (DQ1) et avec assimilation des apports et des données MODIS (DN1). Les CRPSS sont référencé par rapport aux
Figure G. 3 – CRPSS obtenus sur les prévisions d’ensemble effectués avec le calage 8 (2003-2013) avec assimilation des apports (DQ1) et avec assimilation des apports et des données MODIS (DN1). Les CRPSS sont référencés par rapport aux
CRPS obtenus sans assimilation (DQ0).
Figure G. 4 – CRPSS obtenus sur les prévisions d’ensemble effectués avec le calage 9 (2003-2013) avec assimilation des apports (DQ1) et avec assimilation des apports et des données MODIS (DN1). Les CRPSS sont référencés par rapport aux
LISTE DES RÉFÉRENCES
Ackerman, S. A., Strabala, K. I., Menzel, W. P., Frey, R. A., Moeller, C. C. et Gumley, L. E. (1998). Discriminating clear sky from clouds with MODIS. Journal of Geophysical Research D: Atmospheres, volume 103, numéro D24, p. 32141-32157.
Ahl, R. S., Woods, S. W. et Zuuring, H. R. (2008). Hydrologic calibration and validation of SWAT in a snow-dominated Rocky Mountain watershed, Montana, U.S.A. Journal of the American Water Resources Association, volume 44, numéro 6, p. 1411-1430.
Allen, P.M., Jensen, M.E., Wright, J.L. et Burman, R.D. (1989). Operational estimates of evapotranspiration. Agronomy Journal, volume 81, p.650-662.
Allen, R.G. (1986). A Penman for all seasons. Journal of Irrigation and Drainage Engineering, volume 112, numéro 4, p.348-368.
Anderson, E.A. (1976). A point energy and mass balance model of snow cover. NOAA Technical Report NWS 19, U.S. Department of Commerce, National Weather Service.
Andreadis, K. M. et Lettenmaier, D. P. (2006). Assimilating remotely sensed snow observations into a macroscale hydrology model. Advances in Water Resources, volume 29, numéro 6, p. 872- 886.
Arnold, J.G., Allen, P.M. et Bernhardt, G. (1993). A comprehensive surface-groundwater flow model. Journal of Hydrology, volume 142, p.47-69.
Arnold, J. G., Srinivasan, R., Muttiah, R. S. et Williams, J. R. (1998). Large area hydrologic modeling and assessment part I: Model development1. JAWRA Journal of the American Water Resources Association, volume 34, numéro 1, p. 73-89.
Arnold, J. G. et Allen, P. M. (1999). Automated Methods for Estimating Baseflow and Ground Water Recharge from Streamflow Records1. JAWRA Journal of the American Water Resources Association, volume 35, numéro 2, p. 411-424.
Atmospheric Science Data Center (2012). NASA Surface meteorology and Solar Energy - Location. https://eosweb.larc.nasa.gov/cgi-bin/sse/grid.cgi?email=skip@larc.nasa.gov (page consultée le 20 janvier 2013).
Bergstrom, S. (2002). The HBV model - past, present and the future. Dans le XXII Nordic Hydrological Conference, p.4-7.
Berrada, F., Bennis, S. et Gagnon, L. (1996) Validation des données hydrométriques par des techniques univariées de filtrage. Canadian Journal of Civil Engineering, volume 23, p.872-892. Beven, K. et Binley, A. (1992). The future of distributed models: model calibration and uncertainty
prediction. Hydrological Processes, volume 6, numéro 3, p. 279-298.
Bouttier, F. et Courtier, P. (1999). Data assimilation concepts and methods. Training course notes of ECMWF.
Boyle, D. P., Gupta, H. V. et Sorooshian, S. (2000). Toward improved calibration of hydrologic models: Combining the strengths of manual and automatic methods. Water Resources Research, volume 36, numéro 12, p. 3663-3674.
Brier, G.W. (1950). Verification of forecasts expressed in terms of probability. Monthly Weather Review, volume 78, numéro 1, p.1-3.
Buizza, R., Mileer, M. et Palmer, T.N. (1999). Stochastic reprensentation of model uncertainties in the ECMWF ensemble prediction system. Quarterly Journal of the Royal Meteorological Society, volume 125, numéro 560, p.2887-2908.
Cao, W., Bowden, W. B., Davie, T. et Fenemor, A. (2006). Multi-variable and multi-site calibration and validation of SWAT in a large mountainous catchment with high spatial variability. Hydrological Processes, volume 20, numéro 5, p. 1057-1073.
Cheng, C.T., Ou, C.P. et Chau, K.W. (2002). Combining a fuzzy optimal model with a genetic algorithm to solve multiobjective rainfall-runoff model calibration. Journal of Hydrology, volume 268, p.72-86.
Confesor, R. B. et Whittaker, G. W. (2007). Automatic Calibration of Hydrologic Models With Multi‐ Objective Evolutionary Algorithm and Pareto Optimization1. JAWRA Journal of the American Water Resources Association, volume 43, numéro 4, p. 981-989.
Côté, J., Gravel, S., Méthot, A., Patoine, A., Roch, M. et Staniforth, A. (1998). The operational CMC- MRB Global Environment Multiscale (GEM) Model. Part I : Design, Considerations and Formulation. Monthly Weather Review, volume 126, numéro 6, p.1373-1395.
Harmel, R.D. et Smith, P. K. (2007). Consideration of measurement uncertainty in the evaluation of goodness-of-fit in hydrologic and water quality modeling. Journal of Hydrology, volume 337, numéro 3, p. 326-336.
Day, G.N. (1985). Extended streamflow forecasting using NWSRFS. Journal of Water Resources Planning and Management, volume 111, numéro 2, p.157-170.
Donald, J.R., Soulis, E.D., Kouwen, N. et Pietroniro, A. (1995). A land cover-based snow cover representation for distributed hydrologic models. Water Resources Research, volume 31, p.995-1009.
Dressler, K.A., Leavesley, G.H., Bales, R.C. et Fassnacht, S.R. (2006). Evaluation of gridded snow water equivalent and satellite snow cover products for mountain basins in a hydrologic model. Hydrological Processes, volume 20, p.673-688.
Duan, Q., Sorooshian, S. et Gupta, V. (1992). Effective and efficient global optimization for
conceptual rainfall- runoff models. Water Resources Research, volume 28, numéro 4, p. 1015- 1031.
Fortin, J. P., Moussa, R., Bocquillon, C. et Villeneuve, J. P. (1995). Hydrotel, a distributed hydrological model compatible with remote sensing and geographical information systems. Revue des Sciences de l'Eau, volume 8, numéro 1, p. 97-124.
Franz, K.J. et Karsten, L.R. (2013). Calibration of a distributed snow model using MODIS snow covered area data. Journal of Hydrology, volume 494, p.160-175.
Garen, D.C. (1992). Improved techniques in regression-based streamflow volume forecasting. Journal of Water Resources Planning & Management – ASCE, volume 118, p.654-670.
Garrick, M., Cunnane, C. et Nash, J. E. (1978). A criterion of efficiency for rainfall-runoff models. Journal of Hydrology, volume 36, numéro 3-4, p. 375-381.
Géobase (2011a). Couverture d'occupation du sol, circa 2000 - vectorielle. http://www.geobase.ca/geobase/fr/data/landcover/csc2000v/description.html (page consultée le 31 janvier 2013)
Géobase (2011b). Données numériques d'élévation du Canada (DNEC).
http://www.geobase.ca/geobase/fr/data/cded/description.html (page consultée le 31 janvier 2013)
Gneiting, T. et Raftery, A.E. (2007). Strictly proper scoring rules, prediction, and estimation. Journal of the American Statistical Association, volume 102, numéro 477, p.359-378.
Green, W.H. et Ampt, G.A. (1911). Studies on soil physics, 1. The flow of air and water through soils. Journal of Agricultural Sciences, volume 4, p.11-24.
Gupta, H. V., Sorooshian, S. et Yapo, P. O. (1998). Toward improved calibration of hydrologic models: Multiple and noncommensurable measures of information. Water Resources Research, volume 34, numéro 4, p. 751-763.
Gupta, H. V., Kling, H., Yilmaz, K. K. et Martinez, G. F. (2009). Decomposition of the mean squared error and NSE performance criteria: Implications for improving hydrological modelling. Journal of Hydrology, volume 377, numéro 1, p. 80-91.
Gurtz, J., Baltensweiler, A. et Lang, H. (1999). Spatially distributed hydrotope-based modelling of evapotranspiration and runo in mountainous basins. Hydrological Processes, volume 13, p. 2751-2768.
Haché, M., Larouche, B., Perreault, L., Mathier, L., Bobée, B. (1994). Validation des apports non contrôlés historiques. Rapport de recherche No. R-423, Institut national de la recherche scientifique, INRS-Eau, Sainte-Foy (Qc), Canada. 117p.
Hall, D.K., Foster, J.L., Chang, A.T.C., Benson, C.S., and Chien, J.Y. l. (1998). Determination of snow-covered area in different land covers in central Alaska, U.S.A., from aircraft data. Annals of Glaciology, volume 26, p.149-155
Hall, D. K., Riggs, G. A., Salomonson, V. V., Barton, J., Casey, K., Chien, J., DiGirolamo, N., Klein, A., Powell, H. et Tait, A. (2001). Algorithm theoretical basis document (ATBD) for the MODIS snow and sea ice-mapping algorithms. Hydrological Science Branch NASA,
Hall, D. K., Riggs, G. A., Salomonson, V. V., DiGirolamo, N. E. et Bayr, K. J. (2002). MODIS snow- cover products. Remote Sensing of Environment, volume 83, numéro 1, p. 181-194.
Hall, D. K. et Riggs, G. A. (2007). Accuracy assessment of the MODIS snow products. Hydrological Processes, volume 21, numéro 12, p. 1534-1547.
Hargreaves, G.L., Hargreaves, G.H. et Riley, J.P. (1985). Agricultural benefits for Senegal River Bsin. Journal of Irrigation and Drainage Engineering, volume 111, numéro 2, p.113-124. Harlin, J. (1991). Development of a process oriented calibration scheme for the HBV hydrological
model. Nordic Hydrology, volume 22, p.15-36.
Hingray, B., Picouet, C. et Musy, A. (2009). Hydrologie: Une science pour l'ingénieur. PPUR presses polytechniques.
Inventaires des terres du Canada (1998). Base nationale de données sur les sols, Agricultures et Agroalimentaire Canada. http://sis.agr.gc.ca/siscan/nsdb/cli/index.html (page consultée le 30 janvier 2013)
Jain, S. K. et Sudheer, K. (2008). Fitting of hydrologic models: a close look at the Nash–Sutcliffe index. Journal of Hydrologic Engineering, volume 13, numéro 10, p. 981-986.
Klein, A. G., Hall, D. K. et Riggs, G. A. (1998). Improving snow cover mapping in forests through the use of a canopy reflectance model. Hydrological Processes, volume 12, numéro 10‐11, p. 1723-1744.
Klemes, V. (1986). Operational testing of hydrological simulation models. Hydrological Sciences Journal, volume 31, numéro 1, p.13-24.
Konz, M., Finger, D., Bürgi, C., Normand, S., Immerzeel, W.W., Merz, J., Giriraj, A. et Burlando, P. (2010). Calibration of a distributed hydrological model for simulations of remote glacierized Himalayan catchments using MODIS snow cover data. Global Change: Facing Risks and Threats to Water Resources (Proceedings of the Sixth World FRIEND Conference). IAHS Publication, volume 340, p.465-473.
Krzysztofowicz, R. (2001). The case for probabilistic forecasting in hydrology. Journal of Hydrology, volume 249, numéro 1-4, p.2-9.
Lavallée, S., Brissette, F. P., Leconte, R. et Larouche, B. (2006). Monitoring snow-cover depletion by coupling satellite imagery with a distributed snowmelt model. Journal of Water Resources Planning and Management, volume 132, numéro 2, p. 71-78.
Legates, D. R. et McCabe, G. J. (1999). Evaluating the use of “goodness‐of‐fit” measures in hydrologic and hydroclimatic model validation. Water Resources Research, volume 35, numéro 1, p. 233-241.
Liu, Y., Peters-Lidard, C.D., Kumar, S., Foster, J.L., Shaw, M., Tian, Y. et Fall, G.M. (2013). Assimilationg satellite-based snow depth and snow cover products for improving snow predictions in Alaska. Advances in Water Resources, volume 54, p.208-227.
Luo, Y., Arnold, J., Allen, P. et Chen, X. (2012). Baseflow simulation using SWAT model in an inland river basin in Tianshan Mountains, Northwest China. Hydrology and Earth System Sciences, volume 16, numéro 4, p. 1259-1267.
Madsen, H. (2000). Automatic calibration of a conceptual rainfall-runoff model using multiple objectives. Journal of Hydrology, volume 235, numéro 3-4, p. 276-288.
Madsen, H. (2003). Parameter estimation in distributed hydrological catchment modelling using automatic calibration with multiple objectives. Advances in Water Resources, volume 26, numéro 2, p.205-216.
McCuen, R. H., Knight, Z. et Cutter, A. G. (2006). Evaluation of the Nash–Sutcliffe efficiency index. Journal of Hydrologic Engineering, volume 11, numéro 6, p. 597-602.
McGuire, M., Wood, A.W., Hamlet, A.F. et Lettenmaier, D.P. (2006). Use of satellite data for streamflow and reservoir storage forecasts in the Snake River Basin. Journal of Water Resources Planning and Management, volume 132, p.97-110.
Mein, R.G. et Larson, C.L. (1973). Modeling infiltration during steady rain. Water Resources Research, volume 9, numéro 2, p.384-394.
Monteith, J.L. (1965). Evaporation and the environment. Dans The state and movement of water in living organisms. 19th Symposia of the Society for Experimental Biology, p.205-234.
Musy, A. et Soutter, M. (1991). Physique du sol, 1ère édition. Presses polytechniques et Universitaires Romandes (PPUR), Lausanne, Suisse, 335p.
Neitsch, S.L., Arnold, J.G., Kiniry, J.R. et Williams, J.R. (2011) Soil and Water Assessment Tool Theoretical documentation version 2009. Texas Water Resourced Institute, numéro 406, p.1- 618
Painter, T.H., Rittger, K., McKenzie, C., Slaughter, P., Davis, R.E. et Dozier, J. (2009). Retrieval of subpixel snow covered area, grain size, and albedo from MODIS. Remote Sensing of Environment, volume 113, p.868-879.
Parajka, J. et Blöschl, G. (2008a). The value of MODIS snow cover data in validating and calibrating conceptual hydrologic models. Journal of Hydrology, volume 358, numéro 3, p. 240-258. Parajka, J. et Blöschl, G. (2008b). Spatio-temporal combination of MODIS images - Potential for
snow cover mapping. Water Resources Research, volume 44, numéro 3, p.1-13
Priestley, C.H.B. et Taylor, R.J. (1972). On the assessment of surface heat flux and evaporation using large-scale parameters. Montly Weather Review, volume 100, p.81-92.
Rango, A., Hannaford, J.F., Hall, R.L., Rosenzweig, M. et Brown, A.J. (1977). The use of snowcovered area in runoff forecasts. Preprint X-913-77-48, NASA Goddard Space Flight Center.
Rango, A., Walker, A. et Goodison, B. (2000). Snow and ice. Remote sensing in hydrology and water management, p.239-270.
Reichle, H., McLaughlin, D.B. et Entekhabi, D. (2002). Hydrologic data assimilation with the Ensemble Kalman Filter. Monthly Weather Review, volume 130, numéro 1, p.103-114.
Riggs, G. et Hall, D. K. (2002). Reduction of cloud obscuration in the MODIS snow data product. Dans 59th Eastern Snow Conference, Stowe, Vermont, volume 5.
Riggs, G.A. et Hall, D.K. (2004). Snow mapping with the MODIS Aqua instrument. Dans Proceedings of the 61st Eastern Snow Conference, Portland, Maine, volume 9, p.81-84.
Rodell, M. et Houser, P. (2004). Updating a land surface model with MODIS-derived snow cover. Journal of Hydrometeorology. volume 5, p.1064-1075.
Salomonson, V. et Appel, I. (2004). Estimating fractional snow cover from MODIS using the normalized difference snow index. Remote Sensing of Environment, volume 89, numéro 3, p. 351-360.
Schaake, J. (2003). Introduction. Dans Duan, Q., Sorooshian, S., Gupta, H.V., Rousseau, A.N. et Turcotte, R. (éd.). Advances in calibration of watershed models. AGU Monograph Series, Water Science and Application, p.1-7.
Schaefli, B. et Gupta, H. V. (2007). Do Nash values have value? Hydrological Processes, volume 21, numéro 15, p. 2075-2080.
Schmugge, T. J., Kustas, W. P., Ritchie, J. C., Jackson, T. J. et Rango, A. (2002). Remote sensing in hydrology. Advances in Water Resources, volume 25, numéro 8, p. 1367-1385.
Seidel, K. et Martinec, J. (2002). NOAA/AVHRR monitoring of snow cover for modelling climate- affected runoff in Ganges and Brahmaputra Rivers. Dans Proceedings of EARSeL-LISSIG Workshop Observing our Cryosphere from Space, Bern, Suisse, numéro 2, p.188-200.
Sorman, A.A., Sensoy, A., Tekeli, A.E., Sorman, A.Ü. et Akyürek, Z. (2009). Modelling and forecasting snowmelt runoff process using the HBV model in the eastern part of Turkey. Hydrological Processes, volume 23, numéro 7, p.1031-1040.
Tang, Q. et Lettenmaier, D. P. (2010). Use of satellite snow-cover data for streamflow prediction in the Feather River Basin, California. International Journal of Remote Sensing, volume 31, numéro 14, p. 3745-3762.
Turcotte, R. (2010). Éléments du calage et de l'implantation d'un modèle hydrologique dans une perspective d'utilisation opérationnelle en prévision hydrologique. Doctorat en sciences de l'eau, Université du Québec.
Turcotte, R., Filion, T. -. F., Lacombe, P., Fortin, V., Roy, A. et Royer, A. (2010). Hydrological simulation of the final days of the spring flood: The problem of the missing snow. Hydrological Sciences Journal, volume 55, numéro 6, p. 872-882.
Udnæs, H., Alfnes, E. et Andreassen, L. M. (2007). Improving runoff modelling using satellite- derived snow covered area? Nordic Hydrology, volume 38, numéro 1, p. 21-32.
Williams, J.R. (1969). Flood rooting with variable travel time or variable storage coefficients. Transactions of the ASAE, volume 12, numéro 1, p.100-103.
Yapo, P. O., Gupta, H. V. et Sorooshian, S. (1998). Multi-objective global optimization for hydrologic models. Journal of hydrology, volume 204, numéro 1, p. 83-97.
Zaitchik, B.F. et Rodell, M. (2008). Forward-looking assimilation of MODIS-derived snow-covered area into a land surface model. Journal of Hydrometeorology, volume 10, p.130-148
Zhou, X., Xie, H. et Hendrickx, J.M.H. (2005). Statistical evaluation of remotely sensed snow-cover products with constraints from streamflow and SNOTEL measurements. Remote Sensing of Environment, volume 94, p.214-231.